在Pandas中折叠多个列

在Pandas中，我们可以通过折叠（或叫转换）多个列，将列索引转换为行索引。这可能很有用，当我们需要汇总或聚合数据时，或者想要显示数据的多个方面时。

下面是一个例子，说明如何折叠多个列：

首先，我们创建一个示例DataFrame：

import pandas as pd

data = {'Name': ['Jerry', 'Tom', 'Micky', 'Minnie'],
        'Book_1': [20, 18, 22, 19],
        'Book_2': [15, 13, 16, 14],
        'Book_3': [25, 27, 26, 23]}

df = pd.DataFrame(data)

运行以上代码，我们得到如下的DataFrame：

	Name	Book_1	Book_2	Book_3
0	Jerry	20	15	25
1	Tom	18	13	27
2	Micky	22	16	26
3	Minnie	19	14	23

我们可以看到，这个DataFrame包含了4个人的书籍信息，每个人都有3本书，而每本书都是一个单独的列。

接下来，我们可以使用pd.melt()函数，把列转换为行：

melted = pd.melt(df, id_vars=['Name'], value_vars=['Book_1', 'Book_2', 'Book_3'], 
                 var_name='Book', value_name='Score')

在上面的代码中，我们指定了Name列作为标识符，并指定要转换的列是Book_1、Book_2和Book_3。var_name参数设置了新生成的“变量名”列的名称，而value_name参数则设置了新生成的“值”列的名称。

最后，运行上面的代码后，我们得到了如下的DataFrame：

	Name	Book	Score
0	Jerry	Book_1	20
1	Tom	Book_1	18
2	Micky	Book_1	22
3	Minnie	Book_1	19
4	Jerry	Book_2	15
5	Tom	Book_2	13
6	Micky	Book_2	16
7	Minnie	Book_2	14
8	Jerry	Book_3	25
9	Tom	Book_3	27
10	Micky	Book_3	26
11	Minnie	Book_3	23

现在，我们已经将原始的DataFrame转换成长格式的数据，每个人和每本书的得分都被转换成了一行数据。接下来，我们可以对数据进行进一步的操作和分析。

总之，在Pandas中，使用pd.melt()函数将列转换为行是一种非常实用的技巧，可以帮助我们更好地处理和分析数据。